SPSS - Manual - Basico. Universidad de Barcelona PDF

Manual de SPSS.
De un estudiante para los estudiantes
Autor: Bernal, D.
Manual de SPSS
De un estudiante para los estudiantes
Capítulo 1, 2 y 3 Manual SPSS. De un estudiante para los estudiantes
Análisis descriptivo univariado
Operaciones básicas con matrices
Operaciones básicas con variables
Observatorio del Estudiante 1

Autores/as Daniel Bernal
Graduado en Sociología
Máster en Transformaciones
Sociales e Innovación.
Becario del Observatorio del
Manual de SPSS. De un estudiante para los estudiantes

Estudiante de la Universidad de
Barcelona.
Edición Observatorio del Estudiante

Vicerrectorado de Estudiantes y
Política Lingüística
Fecha edición Enero 2017
Autor: Bernal, D.
Aquesta obra està subjecta a la llicència de:
Reconeixement-NoComercial-CompartirIgual
Manual SPSS. De un estudiante para los estudiantes
http://creativecommons.org/licenses/by-nc-sa/3.0/es/deed.ca

Índice.
0. Elementos previos al análisis ……………………………………………...5

1. Análisis descriptivo univariado………………………………………....…6
1.1. Naturaleza de las variables y estadísticos …………………….…..…8
1.2. Gráficos………………………………………………………….….16
2. Operaciones básicas con matrices………………………….………….…17
2.1. Segmentar archivos ………………………………………………...18

2.2. Seleccionar casos……………………………………………….…..18
3. Operaciones básicas con variables……………………………….....…....21
3.1. Recodificar variables……………………………………………….21
3.2. Construcción de índices………………………………………….....27
3.3. Construcción de tipologías…………………………………………34
Autor: Bernal, D.

Nota
Este manual pretende ser un recurso más brindado por el Observatorio del Estudiante de
la Universidad de Barcelona. Ha sido pensado para el propio autoaprendizaje de los
estudiantes o como soporte a las posibles clases que estén cursando o que cursaran a lo
largo del Grado. Por ello, todas las explicaciones están estructuradas “paso a paso” tanto
a nivel de interpretación, como de las instrucciones a seguir dentro de las diferentes
interfaces que ofrece el programa SPSS. Los diversos capítulos del manual no recogen

todas las posibilidades que ofrece SPSS, pero ofrecen los recursos necesarios para un
uso en profundidad del programa. Además, en la medida de lo posible, se ha pretendido
huir de un lenguaje demasiado técnico que dificulte el aprendizaje operativo de los
estudiantes. Se recomienda realizar un seguimiento capítulo a capítulo, ya que existen
ciertos aspectos que se dan por sabidos (o ya explicados en capítulos anteriores) a
medida que se avanza a lo largo del manual.
Autor: Bernal, D.

0. Elementos previos al análisis.
Antes de analizar cualquier base de datos mediante las herramientas que ofrece el SPSS,
es necesario tener en cuenta algunos elementos previos.
Vista de datos vista de variables.
La interface del SPSS se compone fundamentalmente de dos pestañas clave: vista de

datos y vista de variables. La vista de datos contiene la matriz con cada uno de los

casos (individuos, territorios, organizaciones, etc.) y sus respectivos valores (o
categorías de respuesta) en las distintas variables. La vista de variables incluye la
información relevante de cada una de las variables que han sido obtenidas. Los aspectos
centrales de la misma son:
 El nombre por el cual se identifica la variable

 Tipo (pueden existir numéricas o de cadena). Las numéricas son aquellas que
contienen valores numéricos, ya sean las variables cualitativas nominales,
cualitativas ordinales o cuantitativas. Se trata de una variable de cadena cuando
se escribe un texto (por ejemplo, que explique algunas de las respuestas que han
Autor: Bernal, D.
sido seleccionadas en alguna pregunta del cuestionario).
 Decimales, se señalan cuantos si se da el caso que alguna variable los contenga.
Un ejemplo podría ser el porcentaje de inmigrantes en diferentes territorios.
 Etiqueta, se puede incluir una descripción más detallada del tema de la variable.
 Valores, se incluyen las categorías de respuesta de las distintas variables o

valores. No se incluyen las categorías de respuesta únicamente cuando se tratan
de variables cuantitativas como por ejemplo podría ser la edad o el porcentaje de
inmigrantes en territorios determinados.
 Perdidos, esta es una de las opciones más importantes de la vista de variables ya
que su no correcta utilización puede condicionar los resultados obtenidos en los
diferentes estadísticos. Es importante que antes de cualquier análisis se
compruebe que los valores perdidos de una determinada variable hayan sido
declarados como tal ya que pueden estar rompiendo la ordinalidad (más adelante
será explicado). Las categorías de respuesta que se suelen declarar como valores
perdidos son (aproximativo): No sabe, No contesta. Pueden existir otros muchos
casos.

Datos muéstrales y datos poblacionales.
Un elemento del que se debe ser consciente antes de realizar cualquier análisis es si los
datos con los que se trabajan son de una población completa o se tratan de datos
muéstrales. Los datos muéstrales se obtienen mediante técnicas estadísticas que
permiten que un conjunto delimitado de individuos pueda ser representativo de una
población completa con un margen de error determinado. En este caso, los diferentes
test de hipótesis lo que permiten es contrastar si las diferencias que se observan para una

muestra concreta pueden extrapolarse de forma representativa para todo el conjunto de
la población que representa.
Las diversas tablas que serán utilizadas como ejemplos han sido extraídas de la EES
(European Social Survey) para la submuestra del Estado español y la oleada de 20141.
Por lo tanto, se trabajara con datos muéstrales representativos de la población española.
Autor: Bernal, D.
1
Se recomienda descargar esta base de datos para seguir y reproducir los diversos ejemplos que se irán
exponiendo. Recuerda, la mejor forma de aprender es practicar. Disponible en:
http://www.europeansocialsurvey.org/data/country.html?c=spain

1 Capítulo 1: Análisis descriptivo univariado.
El Análisis descriptivo univariado es la primera aproximación –y más básica- que se
debe realizar para conocer el comportamiento de un conjunto de variables. Como su
propio nombre indica permite describir el comportamiento de las variables
(individualmente), es decir, como se distribuyen a lo largo de las diferentes categorías o
valores que las componen.

Tabla 1. Member of a group discriminated against in this country
Porcentaje
Frecuencia Porcentaje Porcentaje válido acumulado
Válido Yes 127 6.6 6.6 6.6
No 1791 93.0 93.4 100.0
Total 1918 99.6 100.0
Perdidos Don't know 7 .4
Total 1925 100.0
Autor: Bernal, D.
El output más básico que ofrece cualquier Análisis Descriptivo Univariado es la tabla
de frecuencias. Una distribución de frecuencias informa sobre los valores concretos que
adopta una variable y sobre el número (y porcentaje) de veces que se repite cada uno de

esos valores. La tabla 1 o tabla de frecuencias, por tanto, describe el comportamiento
(distribución) de los individuos en relación a los valores o categorías de respuesta de
una variable determinada. Concretamente esta variable está describiendo si los
individuos pertenecen a un grupo discriminado en ese país (primera categoría de
respuesta) o no (segunda categoría de respuesta). La frecuencia ofrece la información a
cerca de cuantas personas, en términos absolutos, se sitúan en cada categoría respecto
del total. Los porcentajes describen la distribución porcentual de los individuos en cada
categoría. El porcentaje valido describe la distribución porcentual de los individuos
(igual que la anterior) pero recalcula los porcentajes, restando los casos que están dentro

de categorías que se han declarado como perdidas2. El porcentaje acumulado ofrece
información acerca del sumatorio de los porcentajes de las distintas categorías.
Si seguimos este esquema, podemos afirmar que 1791 personas de un total de 1925
(frecuencia) dicen no formar parte de un grupo discriminado. Esto representa que el
93% de los encuestados (porcentaje) no pertenece a un grupo discriminado. No
obstante, cuando no se tiene en cuenta a aquellos que no saben si pertenecen o no a un
grupo discriminado -ya que han sido declarados como casos perdidos (porcentaje

valido)-, el colectivo de los que no pertenecen a grupos discriminados asciende hasta un
93,4%.
El comando dentro del SPSS para obtener esta tabla es el siguiente: Analizar >
Estadísticos descriptivos >> Frecuencias >> Trasladar a la lista Variables,
mediante el botón flecha, la variable o variables cuya distribución de frecuencias se
desea obtener >> Aceptar
El procedimiento de Frecuencias permite, como hemos visto, obtener distribuciones de

frecuencias en las diferentes categorías de respuesta de una variable, pero además
contiene opciones para:
Autor: Bernal, D.
• Calcular algunos de los estadísticos descriptivos más utilizados (sobre tendencia
central, posición, dispersión, asimetría, etc.).
• Construir algunos diagramas básicos (gráficos de barras, de sectores e histogramas).

• Controlar el formato de presentación de las distribuciones de frecuencias.
1.1 Naturaleza de las variables y estadísticos.
Los estadísticos que se han de seleccionar en cada caso dependerán de la propia

naturaleza de la variable.
Naturaleza de las variables
A grandes rasgos se debe considerar que existen tres tipos de variables en relación a su
naturaleza: cualitativas, cualitativas ordinales y cuantitativas (de intervalo o de razón).
2
Hay múltiples razones para declarar que los casos de una categoría concreta se consideren como
perdidos. La más habitual es aquellos que pertenecen a una categoría que recoge la opción: no sabe, no
contesta..

 Cualitativas: son aquellas compuestas por diferentes categorías de respuesta en
las que se distribuyen las distintas frecuencias, sin que estas sigan algún tipo de
ordinalidad (de mayor a menor o de menor a mayor). Las categorías son valores
diferentes por una cualidad, no por una cantidad. Ningún “valor” puede ser
considerado mayor o menor que otro. La variable que ha sido escogida en el
anterior apartado sería un ejemplo de una variable de esta naturaleza. Otros
ejemplos serian: partido político al que votó; región en la que vive; sexo; estado
civil; marca de coche que conduce.

 Cualitativas ordinales: se componen de categorías de respuesta que se ordenan
o pueden ordenarse de mayor a menor o de menor a mayor. Un ejemplo de este
tipo de variable seria: 1). Del 1 al 10 cuan feliz se siente (siendo 1 nada feliz y
10 máxima felicidad) o 2). ¿Qué clase social considera que es? (baja, media-
baja, media, media-alta, alta). Por lo tanto, sus valores son “categorías” como en
las variables cualitativas, pero cada valor es “mayor que” o “menor que” los
demás valores, como en las variables cuantitativas.
 Cuantitativas (de intervalo o de razón): los valores de la variable son
“números” = cada valor posible es menor o mayor que otro valor. El conjunto de
valores forman una escala de intervalo. “Intervalo”: distancia entre valores. En
Autor: Bernal, D.
las variables cuantitativas se puede calcular la distancia o intervalo entre
cualquier par de valores de la variable. La diferencia fundamental con las
variables cualitativas ordinales es, por tanto, que en este caso se puede medir la
distancia entre los valores. Ejemplos: edad, ingresos, nota en un examen,
número de años de educación, kilómetros de distancia entre trabajo y residencia.

Lo relevante de entender las diferencias entre la naturaleza de las variables y por tanto
poder identificarlas, radica en que en función de estas diferencias se deben desarrollar
métodos estadísticos diferenciados. Concretamente existe una progresión hacia
estadísticos más complejos (completos), dependiendo de si se tratan de variables
cualitativas o cuantitativas.
El comando dentro del SPSS para seleccionar los diferentes estadísticos descriptivos
son los siguientes: Analizar > Estadísticos descriptivos > Frecuencias > Estadísticos
> seleccionas aquellos que te interesan > continuar > aceptar (una vez ya has
seleccionado la variable o el conjunto de ellas).

Variables cualitativas.
Las variables cualitativas son aquellas que admiten una menor cantidad de estadísticos
dada su naturaleza nominal (no numérica ni ordinal). En este tipo de variables
únicamente tiene sentido analizar la moda (medida de tendencia central). La moda nos
indica cual es el valor con mayor frecuencia, es decir, aquella categoría de respuesta que
más se repite.
Tabla 2. Main activity, last 7 days.

Válido 1 Paid work 877 45.6 45.6 45.6
2 Education 195 10.1 10.1 55.8
3 Unemployed, looking for job 167 8.7 8.7 64.5
4 Unemployed, not looking for job 62 3.2 3.2 67.7
5 Permanently sick or disabled 51 2.6 2.7 70.3
6 Retired 326 16.9 17.0 87.3
Autor: Bernal, D.
8 Housework, looking after
226 11.7 11.8 99.1
children, others
9 Other 18 .9 .9 100.0
Total 1922 99.8 100.0

Perdidos 99 No answer 3 .2
Total 1925 100.0
Tabla 3. Estadísticos.
N Válido 1922
Perdidos 3
Moda 1

La tabla 2 es la tabla de frecuencias (tabla2) de la variable seleccionada, en este caso,
señala la actividad principal de los encuestados en los últimos siete días. Se trata de una
variable cualitativa nominal en tanto que está compuesta por categorías de respuesta
nominales que no pueden ser ordenadas de mayor a menor (que tu actividad principal en
los últimos siete días sea el trabajo remunerado no puede ser situado por encima de que
haya sido la educación, el desempleo u otras). Concretamente esta tabla permite afirmar
que el trabajo remunerado es la actividad principal de los encuestados (representativos
de la totalidad del Estado español dado que han sido seleccionados mediante un

muestreo), ya que es la categoría con mayor frecuencia y por tanto con mayor
representatividad porcentual (45,6%)3. Dado que es la categoría de respuesta con mayor
frecuencia y porcentaje, la moda (categoría más seleccionada) de esta variable es esta
misma categoría (categoría 1) como bien refleja la tabla 3.
Consejos
A la hora de interpretar (describir) una variable cualitativa no se debe caer en el error de

describir uno a uno los porcentajes de todas las categorías. Se puede empezar por
señalar si: 1). Hay una, dos o tres categorías que destacan porcentualmente. 2). Todas
Autor: Bernal, D.
las categorías tienen porcentajes similares. 3). E incluso puedes sumar categorías a la
1 Segmentación, selección de casos y ponderación.
hora de describirlas (Ej: Las actividades principales de un 55,4% de los españoles en los
últimos 7 días, han sido diversas actividades no remuneradas). En este caso se han
sumado cualitativas
Variables todas las categorías exceptuando trabajo remunerado de la variable anterior.
ordinales.
Dado que las variables cualitativas ordinales poseen la cualidad de poder ser ordenadas

de menor a mayor o viceversa –a pesar de que continúan siendo categorías nominales-,
en éstas aumenta el número de estadísticos descriptivos que pueden ser utilizados para
su descripción. Es el caso de los percentiles (o cuartiles) y la mediana que se añaden a
la moda.
Cuartiles: Calcula los percentiles 25, 50 y 75, es decir, los valores por debajo de los
cuales se encuentra el 25 %, el 50 % y el 75 % de los casos, respectivamente.
3
Recordemos que siempre es recomendable analizar la columna de porcentaje valido ya que está
excluyendo los casos que hemos declarados como perdidos. Si alguna variable contiene un % muy
relevante de casos declarados como perdidos se debe dejar constancia a la hora de describir el
comportamiento de esa variable.

Percentiles: Permite solicitar percentiles concretos (valores que acumulan un
determinado porcentaje de casos). Permite visualizar en que categorías (plural) de
respuesta se acumulan los primeros 10%, 30%, 70%, 90% (cualquiera que selecciones)
de los casos.
Mediana (tendencias central): Valor por debajo del cual se encuentran el 50 % de los
casos (equivale al percentil 50).
Tabla 4. Subjetive general health.

Válido 1 Very good 361 18.8 18.8 18.8
2 Good 837 43.5 43.5 62.2
3 Fair 515 26.8 26.8 89.0
4 Bad 186 9.7 9.7 98.6
5 Very bad 26 1.4 1.4 100.0
Total 1925 100.0 100.0
Autor: Bernal, D.
Tabla 5. Estadísticos.
N Válido 1925
Perdidos 0
Mediana 2.00

Moda 2
Percentiles 10 1.00
20 2.00
25 2.00
30 2.00
40 2.00
50 2.00
60 2.00

70 3.00
75 3.00
80 3.00
90 4.00
La variable que ha sido seleccionada para ejemplificar el análisis de los estadísticos

descriptivos propios de las variables cualitativas ordinales ha sido la percepción
subjetiva de la salud (tabla 4). Como se puede ver se trata de una variable cualitativa
ordinal, en tanto que, se compone de categorías nominales (Muy buena, buena, justa,
mala, muy mala) que pueden ser ordenadas (Muy buena, es mayor que, buena, y así
sucesivamente) a pesar de que no se puede cuantificar la diferencia. Como muestra la
tabla 4 el 62,3% de los españoles se percibe con una salud apropiada (buena o muy
buena), mientras que solo el 11.1 % dicen tener una salud insuficiente (mala o muy
mala). La moda (tabla 4) indica que la categoría que predomina por encima de las
demás categorías de respuesta es la de buena salud (43,5%) y la mediana (igual a 2),
señala que el 50% de los casos se encuentran entre las categorías de respuestas 1 y 2
Autor: Bernal, D.
(50% o más, ya que la mediana solo indica en que categoría o valor se desborda el 50%
de los casos). El análisis de los percentiles, permite afirmar de forma rápida que al
menos el 80% de los casos no perciben tener una salud mala (Muy buena, buena o
justa).

Es importante destacar que normalmente a las variables cualitativas ordinales de más
de 5 o más categorías se les suelen tratar como variables cuantitativas en términos
estadísticos, es decir, que si analizas una variable cualitativa ordinal de 5 o más
categorías puedes analizarla utilizando también los estadísticos de las variables
cuantitativas.
Variables cuantitativas.
El análisis descriptivo de las variables cuantitativas permite la utilización del mayor

número de estadísticos descriptivos posibles. Además de poder utilizar aquellos propios

de las variables cualitativas y cualitativas nominales, también puede ser utilizada la
media, dentro de los estadísticos de tendencia central, la desviación típica y la
varianza dentro de los estadísticos de dispersión, así como la asimetría y la curtosis,
dentro de los estadísticos de distribución.
Media o media aritmética: es la suma de todas las puntuaciones dividida por el número
de puntuaciones. Te permite conocer el valor promedio de la variable.
Varianza: medida de dispersión que se obtiene dividiendo por n-1 la suma de los

cuadrados de las diferencias entre cada puntuación y la media. El valor que se obtiene es
difícilmente interpretable, es decir, no se interpreta. A pesar de ello siempre se pide esté
estadístico ya que la desviación típica (que sí que se interpreta) se deriva de la varianza.
Desviación típica (desviación estándar en SPSS): raíz cuadrada de la varianza. Mide el

grado en que las puntuaciones de la variable se alejan de su media.
Mínimo: valor mínimo de la variable
Máximo: valor máximo de la variable.
Asimetría: es un indicador que pretende expresar si la distribución de la variable se
Autor: Bernal, D.
comporta respetando la curva de normalidad. Si el valor de este indicador es 0, significa
que la distribución de la variable se comporta siguiendo una distribución “normal”.
 Asimetría a la derecha: si el valor es más grande que 0, implica que la

distribución de los casos se concentran en las primeras categorías de respuesta o

valores.
 Asimetría a la izquierda: si el valor es menor que 0, implica que las personas
están concentradas en los últimos valores o categorías de respuesta de la
pregunta.
Curtosis: es un indicador que pretende expresar de forma numérica si los individuos se

concentran en los valores centrales o si por el contrario están igualmente distribuidos a
lo largo de todas las categorías de respuesta.
 Mesocurtica: cuando el valor del indicador es igual a 0,2663 se puede afirmar

que se trata de una variable que se distribuye de forma mesocurtica, es decir, que
respeta la distribución normal.

 Platicurtica: cuando el valor del indicador es menor que 0,2663 se puede
afirmar que la variable se distribuye de forma mesocrática, es decir, hay
aproximadamente los mismos casos en cada uno de los valores de la variable.
 Lepticurtica: si el valor del indicador es mayor que 0,2663 se puede afirmar que
la variable se distribuye de forma leptocurtica, es decir, los casos se concentran
en los valores centrales de la variable. La distribución de la curva, por tanto, será
más puntiaguda.
La variable seleccionada para ejemplificar el análisis de los estadísticos de las variables

cuantitativas, ha sido “peso de los encuestados”. La tabla de frecuencias no ha sido
insertada en este documento ya que ocupaba aproximadamente cuatro páginas y aporta
poca información para una interpretación apropiada del comportamiento general de la
variable, debido a la gran variabilidad de los diferentes pesos de los encuestados. En su
lugar este comportamiento puede ser sintetizado mediante los diferentes estadísticos.
En un primer momento, se puede destacar que el peso más frecuente entre los
entrevistados es el de 70 kg (moda), así como que un 50% o más de los encuestados
pesan entre 0 y 71 kg (Mediana). Más concretamente ese 50% (o más) se sitúa entre los
34 kg (Mínimo) y los 71 Kg. El peso promedio de los españoles (recordemos que
estamos analizando la encuesta ESS en la oleada de 2014 para el Estado español) es de
Autor: Bernal, D.
72,42 Kilos (Media). No obstante, este peso promedio oscila entre 57,2 y 87,32
(Desviación estándar: he sumado y restado el valor de este indicador al valor de la
media). Por otro lado, se vislumbra que el rango de pesos posibles oscila entre los 34 kg
y los 140 kg (Mínimo y máximo).

Tabla 6. Estadisticos.
N Válido 1875
Perdidos 50
Media 72.423
Mediana 71.000
Moda 70.0
Desviación estándar 14.8803
Varianza 221.422
Asimetría .589
Error estándar de asimetría .057

Curtosis .556
Error estándar de curtosis .113
Mínimo 34.0
Máximo 140.0
Percentiles 25 61.000
50 71.000
75 82.000

1.2 Gráficos.
El procedimiento Frecuencias también ofrece la posibilidad de obtener algunos gráficos

básicos que permiten analizar de forma visual la distribución de las variables. En
concreto, permite obtener gráficos de barras, sectores e histogramas.
Analizar >>estadísticos descriptivos >> frecuencias >>Gráficos
Gráfico de barras: gráficos en los que a cada valor de la variable se le asigna una barra
con una altura equivalente a su frecuencia absoluta o porcentual. La escala de la altura
de las barras se ajusta automáticamente teniendo en cuenta la frecuencia más alta de las
Autor: Bernal, D.
representadas.
Gráfico 1. Gráfico de barras
Gráfico de sectores: gráficos circulares en los que a cada valor de la variable se le

asigna un sector de tamaño equivalente a su frecuencia absoluta o porcentual.

Gráfico 2. Gráfico de sectores

Histograma: similares a los gráficos de barras pero con las barras juntas, dando así la
impresión de continuidad. Sólo pueden obtenerse con variables numéricas. Para
construir el histograma el SPSS agrupa la variable en 21 intervalos (o menos, si la
amplitud de la variable es menor que 21). La línea negra del grafico representa como se
debería comportar la distribución de la variable para respetar la distribución normal.
Autor: Bernal, D.
Gráfico 3. Histograma

2 Capítulo 2: Operaciones básicas con la matriz.
A la hora de analizar los datos un investigador puede estar interesado en describir cómo
se comportan diferentes variables en diferentes grupos de individuos o en ver como esas
variables se distribuyen únicamente en un conjunto determinado de casos que se definen
por tener en común un número de características. Las diferentes operaciones básicas que
el programa SPSS permite realizar hacen que estos objetivos sean posibles y que por
tanto se pueda profundizar en la descripción uní-variada de los estadísticos.

2.1 Segmentar archivos.
La opción de segmentar archivos posibilita obtener cada uno de los resultados del
análisis para cada una de las categorías de respuesta de la variable seleccionada. Debido
a esto último es recomendable escoger variables cualitativas o cualitativas ordinales (de
no muchas categorías) como variable segmentadora.
Para segmentar tu archivo debes seguir estas instrucciones: Datos >> Segmentar
archivo >> Organizar los resultados por grupos >> Seleccionas la variable que
segmentará tu archivo >> Aceptar.
Autor: Bernal, D.
Una vez se ha segmentado el archivo se debe proceder a realizar el análisis. Como el
archivo ya ha sido segmentado obtendrás una tabla de frecuencia y de estadísticos para
cada una de las categorías de respuesta de la variable seleccionada. Por tanto, esta
opción permite tener un análisis descriptivo detallado (los diferentes estadísticos
asociados a su naturaleza) del comportamiento de una determinada variable para cada

una de las categorías de respuesta de la variable que está segmentando tu archivo.
Una vez que se ha finalizado el análisis se debe quitar la opción de segmentar archivo
para que tu matriz vuelva a operar sus análisis con todo el conjunto de los individuos.
Para ello debes seguir la siguiente instrucción: Datos >> Segmentar archivo >>
Restablecer.
Al segmentar los archivos, los encuestados se distribuyen a lo largo de las distintas

categorías de respuesta de la variable que están segmentando.

2.2 Seleccionar casos.
Tal vez, en un análisis se necesita lograr una mayor profundidad y se requiere describir
como esas variables se comportan únicamente en un conjunto determinado de casos que
se definen por tener en común un numero de características. Por ejemplo, se quiere
saber cómo se comporta la variable de salud subjetiva únicamente en los individuos
mayores de 50 y de género femenino.

Para seleccionar un conjunto determinado de casos se deben seguir estas
instrucciones: Datos >> Seleccionar casos >> Si satisface la condición. En este
momento aparece una pantalla con una interface similar a una calculadora (imagen
1). Dado que los casos que se quieren seleccionar deben cumplir las siguientes
condiciones: Edad≥50 & Genero= Femenino, lo primero que se debe hacer es
identificar esas variables en el recuadro “lista de variables”, que aparece en la parte
izquierda de la interface. Una vez identificadas se debe pedir mediante la calculadora,
que el programa te seleccione los casos que cumplen esa condición. ¿Cómo? 1). Se
selecciona la variable y se clica a la flecha que está al lado del recuadro blanco para
que se introduzca. 2). Una vez introducida se debe especificar que esa variable
Autor: Bernal, D.
cumpla la condición que ha sido decidida. Por ejemplo= Edad≥50/
Genero=Femenino (tienes que buscar con que numero esta codificado el género
femenino). En nuestro caso quedaría de la siguiente forma age >= 50 & gndr = 2.
Dado que se están seleccionando dos condiciones simultaneas, es decir, personas que
cumplen una determinada edad y un determinado género, el conector que debe unir

estas dos condiciones es &. Una vez seleccionadas las condiciones que deben cumplir
los casos damos clic en Continuar y Aceptar. El filtro ha sido activado. A partir de
ahora y hasta que desactives el filtro, todos los análisis que se realicen serán para los
casos que cumplan las condiciones anteriormente señaladas.

Imagen 1. Interface de selección condicional de casos

En el ejemplo únicamente han sido utilizado algunos de los comandos útiles de la
calculadora. Ha continuación se explican con más detalle las diferentes operaciones y
Autor: Bernal, D.
comandos que pueden ser útiles a la hora de seleccionar un grupo de casos.
1. Todas las instrucciones siempre deben ser introducidas mediante el teclado, ya

que si son escritas pueden dar algún error.
2. A la hora de seleccionar casos la selección puede requerir características

conjuntas de diferentes variables o la selección de casos que cumplan una u otra
condición (no necesariamente ambas). Cuando se quiere seleccionar que los
casos cumplan más de una característica (género femenino y edad mayor de 50),
siempre se deben enlazar las dos variables con el siguiente símbolo &. Sin
embargo, cuando se quieren seleccionar los casos que cumplen una u otra
condición (no necesariamente ambas: o que sean mujeres o que sean mayores de
50) se debe utilizar el siguiente símbolo│.
3. Los diversos símbolos matemáticos siguen la lógica de significados
convencional.
4. Cabe destacar la función Any. ANY debe ser buscado en el recuadro de
Funciones y variables especiales habiendo seleccionado, previamente, la opción

de búsqueda en el recuadro del grupo de funciones. Fundamentalmente, ANY es
una función que permite seleccionar más de una característica (categoría de
respuesta o valor) de una variable determinada. Cuando se selecciona esta
opción, aparece en la pantalla principal la siguiente información: ANY (?,?). El
primer interrogante debe ser substituido por las variables cuyas categorías o
valores se quieren filtrar los casos. El segundo interrogante debe ser sustituido
por las categorías de respuesta en las que se está interesado. Si interesa más de
una categoría, añades una coma más y el número. Por ejemplo, si únicamente

se quieren seleccionar los casos que tienen 30, 33 o 35 años, el resultado final
que aparecería en el recuadro seria el siguiente Any (agea, 30, 33, 35). Primero
el nombre de la variable (seleccionada con la flecha, y después las edades en las
que se está interesado).
5. También cabe destacar la función Range. Esta función se encuentra ubicada en
el mismo espacio que Any. Su utilidad es muy similar a la de Any (seleccionar
un conjunto determinado de categorías de respuesta de una variable concreta).
La diferencia fundamental es que en vez de seleccionar una única categoría de
respuesta, seleccionas un conjunto de ellas (muy útil en variables cuantitativas) y
más concretamente un rango de ellas. Por ejemplo, si se quiere seleccionar a los
Autor: Bernal, D.
individuos que tienen una edad entre 25 y 40 años, el resultado final que
aparecerá en el recuadro será: Range (agea, 25, 40). De esta forma el comando te
selecciona cualquier edad comprendida entre el rango de 25 y 40 años (25 y 40
años, incluidos)

Recuadro 1: comandos calculadora
1. &=y (conjunción). Para condiciones

conjuntas.
2. │= o. Casos que cumples una u otra
condición.
3. Diversos símbolos matemáticos (≥,≤, etc).
Siguen la lógica del significado común de
esos símbolos.
4. Operaciones (+, -, *, /) * (multiplicación), /
(División)
5. Any (Var, x, y, z, …)
6. Range (Var, de x a y)

3 Capítulo 3: Operaciones básicas con variables.
Este capítulo se centra en las diversas operaciones básicas que se pueden realizar con
una variable. Concretamente en la recodificación de variables, la construcción de
índices y la elaboración de tipologías.
3.1 Recodificación de variables.
La función de recodificar variables puede ser útil para diferentes objetivos: 1). Agrupar

categorías de respuesta de esa variable. 2). Cambiar el orden de la variable (de más a
menos hacía de menos a más).
Agrupar categorías de respuesta.
Las razones que pueden llevar a querer agrupar las categorías de respuesta de una
variable en un número menor de ellas son múltiples: 1). Pasar de una naturaleza
determinada de una variable (cuantitativa) a otra diferente (cualitativa ordinal). Por
ejemplo, recodificar la edad en 4 grandes grupos: 18-35, 36-55, 56-67, +68. 2). Que una
de las categorías de respuesta tenga una frecuencia inferior al 5%. 3). Razones teóricas.
Por ejemplo, asumir que los diferentes grupos de edad se corresponden a diferentes
Autor: Bernal, D.
etapas de la vida laboral.
Para recodificar una variable se debe seguir las siguientes instrucciones:
Transformar >> recodificar en distintas variables (siempre se selecciona en

diferentes variables, ya que si seleccionas la opción de recodificar en las mismas

variables, estás perdiendo la variable anterior) >> Aparece la interface (imagen
2) de “recodificar variables” >> Seleccionas la variable que quieres recodificar
en el recuadro de variables situado a la izquierda y la introduces al recuadro
blanco mediante la flecha >> Una vez introducida, se debe indicar un nombre y
una etiqueta en el recuadro de variable de resultado, y clicar cambiar >> clicas
valores antiguos y nuevos >> Aparece la interface de Valores antiguos y
nuevos (imagen 3). Si se observa la interface, se distinguen dos espacios bien
definidos. Uno con el nombre de valor antiguo y otro con el de valor nuevo. El
espacio de valor antiguo es para seleccionar los valores de la variable que deseas
agrupar bajo una misma categoría de respuesta. El espacio de valor nuevo, es
para seleccionar bajo que categorías de respuesta vas agrupar tales valores.
Como se puede observar, hay diferentes formas de seleccionar los valores que
quieres agrupar. [Continua]

Concretamente mediante la opción “valor” o “rango”. La opción valor es para
seleccionar únicamente un único valor (categoría de respuesta de la variable), la
opción rango, sirve para seleccionar un conjunto de valores o “categorías de
respuesta” comprendidas entre el primer valor que seleccionas y el último.
Una vez seleccionados los valores antiguos, debes atribuirles un nuevo valor o
categoría de respuesta en la nueva variable, para ello se debe seleccionar ese
nuevo valor o categoría de respuesta en el apartado de valor nuevo y clicar
añadir. Una vez has hecho este proceso para todos los valores antiguos y
nuevos, debes clicar “todos los demás valores” en el apartado de valores
antiguos y clicar “perdido del sistema” en “valores nuevos” y clicas añadir

>> Completado este proceso, clicas en continuar (imagen 3) y Aceptar
(imagen 2).
Imagen 2. Interface “recodificar en distintas variables”
Autor: Bernal, D.

Imagen 3. Interface “valores antiguos y nuevos”

Una vez has completado el proceso del recuadro azul, ya tendrás la nueva variable
recodificada que se situara al final del todo (ultima variable) en el apartado “vista de
variables”. ¿Ya se ha finalizado el proceso? Casi. Una vez construida la variable se le
deben poner las nuevas etiquetas.
Ejemplo:
Autor: Bernal, D.
La ESS (European Social Survey) recoge la variable de confianza en los políticos
mediante una escala que va desde “0” (ninguna confianza) hasta 10 (completa
confianza). Pero nos interesa resumir esa información que se distribuye a lo largo de 11
categorías de respuesta en únicamente 3 (alta confianza, media confianza y baja
confianza). Este objetivo puede ser logrado, siguiendo los pasos que han sido explicados

en el recuadro azul. En un primer momento se debe tomar la decisión de que categorías
de respuesta o valores de la antigua variable serán agrupados dentro de cada una de las
nuevas tres categorías de respuesta que compondrán la nueva variable. En este caso, se
ha decidido respetar los parámetros de los valores de la antigua variable. Por tanto, “0,
1, 2, 3” pasaran a ser baja confianza, “4, 5, 6” media y “7, 8, 9, 10” alta confianza”. Si
se sigue el proceso que hemos señalado en el recuadro finalmente nos debe quedar la
imagen 3 completada con la siguiente información (imagen 4).

Imagen 4. Interface "valoresantiguos y nuevos" completada

Una vez completada se debe clicar a continuar y aceptar. La variable habrá sido creada.
Si se analiza la nueva variable sin que se le haya asignado una etiqueta a las nuevas
categorías, el resultado sería el siguiente:
Tabla 7. Confianza en los políticos recodificada.
Autor: Bernal, D.
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Válido 1.00 1357 70.5 71.4 71.4
2.00 473 24.6 24.9 96.3
3.00 71 3.7 3.7 100.0

Total 1901 98.8 100.0
Perdidos Sistema 24 1.2
Total 1925 100.0
Si lo que se quiere es que aparezcan las nuevas categorías de respuesta (alta confianza,
confianza media y baja confianza). Se debe etiquetar esta nueva variable. Para ello, se
debe ir a la interface de “vista de variables”, identificar la nueva variable (recordar que
siempre aparecerá al final), ir al apartado de valores y asignarle tales etiquetas al valor
que le corresponde.

Imagen 5. Interface “etiquetas de valor”.

Una vez completado este proceso, si se vuelve a analizar la variable la tabla que
aparecerá adoptara la siguiente forma.
Tabla 8. Confianza en los políticos recodificada.
Autor: Bernal, D.
Válido Baja confianza 1357 70.5 71.4 71.4
Confianza media 473 24.6 24.9 96.3
Alta confianza 71 3.7 3.7 100.0
Total 1901 98.8 100.0

Total 1925 100.0
Cambiar el orden de la variable.
Otra de las opciones por las que puede interesar a un investigador recodificar una
variable es cambiar el orden o sentido de la variable, es decir, si esta ordenada de menos
a más, que pase a estar ordenada de más a menos. En el caso de nuestra variable ya
recodificada, el orden, se establece de menos a más (de menos confianza a más
confianza). Si interesa invertir el orden (de más confianza a menos) se debe proceder a
recodificar la variable invirtiendo el orden de las categorías de respuesta, es decir, si el 1

es “baja confianza” en la nueva variable con el orden invertido, pasara a ser 3. Si el 3 es
“alta confianza”, en la nueva variable de orden invertido pasara a ser 1. Y el 2
“confianza media” seguirá ocupando la posición intermedia de 2.
Ejemplo:
Si se sigue el caso expuesto en el párrafo anterior y se realiza de forma correcta se

debería obtener una interface completada con los siguientes resultados (imagen6):

Imagen 6. Interface “recodificar en distintas variables”
Autor: Bernal, D.
De nuevo, se deberían etiquetar las categorías de respuesta de la nueva variable
recordando que en esta nueva variable 1 “Alta confianza”, 2 “confianza media”, 3 “baja

confianza”. Una forma de comprobar que se ha realizado de forma correcta, es ver si los
porcentajes de alta confianza en la variable invertida y no invertida, se corresponden, a
pesar de que no estén ubicadas en la misma posición de la escala ordinal. En este caso
es correcto.

Tabla 9. Confianza en la política recodificada e invertida.
Válido Alta confianza 71 3.7 3.7 3.7
Confianza media 473 24.6 24.9 28.6
Baja confianza 1357 70.5 71.4 100.0
Total 1901 98.8 100.0

Total 1925 100.0
3.2 Construcción de índices.
La mejor forma de responder a la pregunta ¿Qué es un índice? Es intentar dar respuesta,

primeramente al interrogante ¿para qué sirven o como se constituyen los índices?
La realidad social es multidimensional y compleja. Para estudiarla una de las

herramientas fundamentales son los conceptos. Los conceptos pretenden –de forma muy
simplificada- sintetizar y describir la realidad y como ésta se comporta. Debido a su
Autor: Bernal, D.
complejidad, en ciencias sociales, difícilmente se puede encontrar algún concepto que
esté constituido por una única variable, sino más bien por conjuntos de ellas. Un
ejemplo seria la clase social. Han quedado atrás las teorías que afirmaban que la clase
social se definía únicamente en función de la relación que los individuos mantenían con
los medios de producción (teoría de las clases sociales marxistas). Las nuevas formas de

conceptualizar la clase social, han añadido a esta idea unidimensional aspectos como el
conocimiento, el estatus, el poder… No obstante, a su vez el conocimiento, el estatus,
etc., son elementos demasiado amplios para ser recogidos con una única y sola variable.
Estos aspectos pueden ser entendidos como dimensiones del concepto de clase social,
las cuales deben ser operazionalizadas mediante diferentes indicadores (variables). Por
ejemplo, el conocimiento podría ser recogido mediante las variables del nivel de
estudios alcanzado, el nivel educativo de los padres, el grado de preparación que
requiere su puesto de trabajo, etc. Este ejemplo, debe servir únicamente para reflejar
que existen ciertos aspectos de la realidad social (la mayoría de ellos) que no pueden
ser recogidos, caracterizados o definidos con una única variable.

Una forma de agrupar variables para construir dimensiones o conceptos es mediante la
creación de índices. Un índice se construye mediante la suma de variables cualitativas
ordinales o cuantitativas.
Para obtener un índice se deben seguir los siguientes pasos:

Transformar >> Calcular variable >> aparece una interface (imagen 7) muy similar a la
de la imagen 1. Su funcionamiento es el mismo, por lo tanto para utilizar la
calculadora para proceder en las diferentes operaciones que se han de realizar se

recomienda repasar el recuadro 1 (comandos calculadora) >> En el recuadro de
variable objetivo se debe señalar el nombre de la nueva variable (índice) que será
generada a través de la suma de 2 o más variables >> seleccionas la primera variable
que quieres sumar en el recuadro que está situado en el apartado izquierdo de la
pantalla y la desplazas con la flecha hacia el recuadro en blanco “expresión numérica”
>> añades un símbolo de sumar (+) y buscas la siguiente variable que compondrá el
índice que se está pretendiendo construir, para introducirla nuevamente en el apartado
de expresión numérica (este proceso se ha de repetir hasta que se hayan introducido
todas las variables que compondrán el índice) >> aceptar.
Elementos a tener en consideración para sumar variables.
Autor: Bernal, D.
1. Las variables que se van a sumar tienen que ser de la misma escala, es decir, no
puedes sumar variables compuestas por 5 valores o categorías de respuesta y
variables con 11 valores o categorías de respuesta. Para igualar las categorías
de respuesta de una variable se puede proceder a recodificarlas y homogeneizar

el tamaño de todas (siempre pasando las variables con más categorías al
número de categorías de la variable que menos tiene de todas aquellas
seleccionadas para construir el índice). Mirar el apartado de “agrupar categorías
de respuesta de este capítulo”.
2. Las variables tienen que tener el mismo sentido. No puedes sumar variables
cuya ordinalidad va de más a menos con variables que van de menos a más. Si
este es tu caso, tienes que homogeneizar el sentido de tus variables. Mirar el
apartado “cambiar el orden de la variable” de este capítulo.

Imagen 7. Interface “calcular variable”.

Ejemplo:
Si se propone estudiar la “confianza en la política” lo primero que se debe plantear un

investigador es como se puede medir ese concepto. Es decir, que indicador (variable)
puede reflejar la confianza que un individuo tiene en la política. Uno rápidamente puede
pensar que un indicador valido para medir la “confianza en la política” es la confianza
Autor: Bernal, D.
que los individuos dicen tener en los políticos, otro puede señalar que una mejor manera
de medirlo es la confianza que se tiene en el parlamento. Tal vez otro señale que lo
realmente relevante para medir la “confianza en la política” es la confianza que dicen
manifestar los individuos en los partidos políticos. Los cierto es que todos estos

indicadores tienen la capacidad de medir diferentes aspectos representativos de la
“confianza en la política” y que por tanto seleccionar uno solo de ellos, puede estar
dejando escapar cierta información relevante. Es decir, que se esté escapando alguna
dimensión que permita captar el concepto de “confianza política” en toda su
complejidad.
¿No se podría medir la confianza política con todos esos indicadores simultáneamente
y de esta forma recoger un mayor número de matices de este concepto
multidimensional? Mediante la construcción de un índice se pueden agrupar todos esos
indicadores en una única y nueva variable que logre capturar de forma más adecuada el
concepto de “confianza en la política”. ¿Cómo? En un primer momento, se deben

identificar las variables con las que vas a construir el índice. 4 En este caso, se ha
decidido optar por la 1. Confianza en los políticos. 2. Confianza en el parlamento 3.
Confianza en los partidos políticos. Lo primero es identificarlas en el SPSS (recordemos
que estamos analizando la encuesta ESS en la oleada de 2014 para el Estado español).
Una vez identificadas (trstplt= confianza políticos, trstprl= confianza en el parlamento,
trstprt= confianza en los partidos políticos) se ha de comprobar que estas variables
tengan el mismo rango y el mismo sentido. Para ello se va al apartado de valores dentro
de la interface de “vista de variables”. Como se puede observar todas ellas tienen un

rango de 11 categorías de respuesta (0-10) y además, todas están estructuradas en el
mismo sentido 0 (nada de confianza) – 10 (plena confianza), es decir, de menos a más.
Por lo tanto no se deben recodificar. Recuerda que si tus variables seleccionadas tienen
rangos diferenciados o sentidos diferentes debes recodificarlas para homogeneizar su
tamaño y su sentido.
Una vez se han comprobado estas dos condiciones previas, uno debe proceder a calcular
el índice “calcular variables” (seguir los procedimientos y pasos marcados en el anterior
recuadro azul).
Imagen 8. Interface calcular variables, índice “confianza política”.
Autor: Bernal, D.
4
¿Cómo seleccionamos las variables que se deben utilizar para construir el índice? Uno siempre debe
justificar por qué selecciona un conjunto de variables para construir un índice representativo de un
concepto. Normalmente las variables que deben ser seleccionadas son establecidas por el marco teórico
previo del que parte tu investigación. Recuerda, no hay análisis científico sin teoría, al igual que tampoco
sino existe análisis empírico.

En el caso de que se haya hecho el proceso de forma correcta este debería ser el
resultado que se debería obtener (imagen 8). Una vez realizado el sumatorio se debe
clicar el botón de aceptar. El índice ya habrá sido creado y se ubicara como ultima
variable dentro de la interface de “vista de variables”. Una vez se ha creado el índice,
se procede a realizar un análisis de frecuencias para obtener el siguiente resultado (tabla
10).
Tabla 10. Índice confianza política

Porcentaje
Freqüència Porcentaje Porcentaje válido acumulado
.00 253 13.1 14.1 14.1

Valido
1.00 53 2.8 3.0 17.1
2.00 88 4.6 4.9 22.0
3.00 99 5.1 5.5 27.6
4.00 103 5.4 5.8 33.3
5.00 137 7.1 7.7 41.0
6.00 91 4.7 5.1 46.1
7.00 93 4.8 5.2 51.3
Autor: Bernal, D.
8.00 85 4.4 4.8 56.0
9.00 92 4.8 5.1 61.2
10.00 88 4.6 4.9 66.1
11.00 84 4.4 4.7 70.8

12.00 62 3.2 3.5 74.2
13.00 73 3.8 4.1 78.3
14.00 57 3.0 3.2 81.5
15.00 88 4.6 4.9 86.4
16.00 56 2.9 3.1 89.5
17.00 52 2.7 2.9 92.5
18.00 37 1.9 2.1 94.5
19.00 20 1.0 1.1 95.6
20.00 20 1.0 1.1 96.8
21.00 14 .7 .8 97.5

22.00 7 .4 .4 97.9
23.00 11 .6 .6 98.5
24.00 11 .6 .6 99.2
25.00 5 .3 .3 99.4
26.00 4 .2 .2 99.7
27.00 2 .1 .1 99.8
28.00 1 .1 .1 99.8

29.00 1 .1 .1 99.9
30.00 2 .1 .1 100.0
Total 1789 92.9 100.0
Total 1925 100.0
Como se observa el programa ha hecho un sumatorio de las categorías de respuesta de

las distintas variables seleccionadas. Por lo tanto, el rango de esta nueva variable se
sitúa entre 0 y 30 –y si hubiésemos sumado 4 variables se situaría entre 0 y 40-. ¿Cómo
Autor: Bernal, D.
sitúa el programa a los individuos en cada uno de los valores? Mediante un sumatorio.
Si un individuo ha marcado que confía “3” en los políticos, “4” en los partidos políticos
y “7” en el parlamento de su país, en el índice habrá obtenido una puntuación de “14”
(3+4+7).
¿Este índice podría ser obtenido respetando el rango de las variables que lo conforma,

es decir, aquel que iba de 0 (nada de confianza) – 10 (plena confianza)? Sí, se puede
lograr mediante dos operaciones distintas (con resultados diferentes): 1. Recodificando
esta nueva variable y agrupando las categorías de respuesta en una escala que haga
equivalente el rango 0-30 al de 0-10 (mirar el apartado “agrupar categorías de
respuesta” de este mismo capítulo). Es la operación menos recomendada ya que es más
costosa, a pesar de que es más limpia. 2. Cuando se calcula el índice se divide la suma
de variables por el número de variables que se está sumando. Es una operación menos
costosa, pero, a pesar de que reduce el rango a 0 (valor mínimo)-10 (valor máximo), el
número de categorías de respuesta seguirá como si el rango fuera de 0-30 (es decir, 31).
Ver tabla 10.

Imagen 9. “Interface” calcular variables, índice “confianza política”.

Si se realiza el procedimiento correctamente debería aparece la operación que es visible
en la imagen 9 (trstplt + trstprt + trstprl) / 3. Para comprobar que se ha realizado de
forma apropiada se procede a visualizar la tabla de frecuencias correspondiente.
Autor: Bernal, D.
Tabla 11. Índice confianza política dividido entre el número de variables que lo componen.
Válido .00 253 13.1 14.1 14.1
.33 53 2.8 3.0 17.1

.67 88 4.6 4.9 22.0
1.00 99 5.1 5.5 27.6
1.33 103 5.4 5.8 33.3
1.67 137 7.1 7.7 41.0
2.00 91 4.7 5.1 46.1
2.33 93 4.8 5.2 51.3
2.67 85 4.4 4.8 56.0
3.00 92 4.8 5.1 61.2
3.33 88 4.6 4.9 66.1
3.67 84 4.4 4.7 70.8

4.00 62 3.2 3.5 74.2
4.33 73 3.8 4.1 78.3
4.67 57 3.0 3.2 81.5
5.00 88 4.6 4.9 86.4
5.33 56 2.9 3.1 89.5
5.67 52 2.7 2.9 92.5
6.00 37 1.9 2.1 94.5

6.33 20 1.0 1.1 95.6
6.67 20 1.0 1.1 96.8
7.00 14 .7 .8 97.5
7.33 7 .4 .4 97.9
7.67 11 .6 .6 98.5
8.00 11 .6 .6 99.2
8.33 5 .3 .3 99.4
8.67 4 .2 .2 99.7
9.00 2 .1 .1 99.8
9.33 1 .1 .1 99.8
Autor: Bernal, D.
9.67 1 .1 .1 99.9
10.00 2 .1 .1 100.0
Total 1789 92.9 100.0

Total 1925 100.0
Una vez se ha transformado el índice al formato deseado, se le deben poner las

categorías de respuesta. 0 (Ninguna confianza)- 10 o 30 (Toda la confianza).
3.3 Construcción de tipologías.
La elaboración de tipologías consiste en la distinción, dentro de un conjunto de unidades

determinadas (individuos, grupos de individuos, hechos sociales…), de grupos amplios
que se pueden considerar como homogéneos y que son definidos en torno a un conjunto
de características que comparten. Por lo tanto, la agrupación de esas unidades se

fundamenta en ciertas semejanzas definidas a partir de un sub-grupo de características
compartidas.
Las tipologías se construyen tanto con variables cuantitativas como cualitativas ya que
las variables cuantitativas se pueden cualificar. La sociología suele trabajar más con
tipologías que con índices ya que posee un carácter más cualitativo. Además, la
construcción de una tipología se sustenta en todo un proceso previo de teorización y
conceptualización. Dada la mayor complejidad de este procedimiento se explicara

directamente mediante un ejemplo.
Ejemplo:
Imagina que para una investigación que se está llevando a cabo se necesita analizar
cómo se comportan diversos colectivos diferenciados de individuos. Concretamente
interesa saber el comportamiento de aquellos que ven programas políticos y confían en
la política, aquellos que ven programas políticos y no confían en la política, aquellos
que no ven programas políticos y confían en la política y aquellos no ven programas
políticos y no confían en la política.
Además, nuestro marco teórico indica que aquellos a los que se pueden considerar que
Autor: Bernal, D.
realmente ven programas políticos son los que los consumen más de 1,5 horas al día.
Por otro lado, también señala que para capturar la confianza en la política se necesita
tener en consideración la opinión sobre los políticos y aquella que vierten sobre la
institución política central del país (el parlamento). Para ello se cuenta con tres
variables: 1. Tvpol: el número de horas que se ven programas políticos al día. 2. Trstprl:

la confianza en el parlamento. 3. Trstplt: confianza en los políticos
Si se sintetiza la información que ha sido expresada en los dos anteriores párrafos se

obtiene el cuadro siguiente:
Dimensión Indicadores Categorías de respuesta
D1. Confianza en la política I1. Confianza en los políticos 0 No confió

1
2
3
4
5
6
7
8
9
10 Confió plenamente

I2. Confianza en el parlamento. 0 No confió
1
2
3
4
5
6
7
8

9
10 Confió plenamente
D2. Visualización programas I1. Visualización de programas 0 No los veo

1 Menos de 0,5h
políticos políticos diariamente (en horas 2 Entre 0,5h y 1h.
3 Entre 1h y 1,5h
4 Entre 1,5h y 2h
5 Entre 2h y 2,5h
6 Entre 2,5h y 3h
7 Mas de 3h
1. Ven programas políticos y confían en la política.

2. Ven programas políticos y no confían en la política
3. No ven programas políticos y confían en la política.
Autor: Bernal, D.
4. No ven programas políticos y no confían en la política.
La dimensión uno “confianza en la política” se construye mediante dos indicadores.
Para ello se necesita previamente construir una nueva variable (índice) que las agrupe
(mirar el apartado de construcción de índices de este mismo capítulo). Ahora bien, el
marco teórico del que se parte no indica a partir de qué valor se puede considerar que un

individuo tiene confianza en la política y cual no. Dado que se carece de un criterio
teórico se opta por uno numérico: 0 a 4 (no confió), 5 (ni confió ni desconfió) y de 6 a
10 (confió). El valor central “5” se declarara como caso perdido, ya que se asume que al
ser el valor situado en el centro de la escala los individuos que los seleccionan no se
posicionan ni en la confianza ni en la desconfianza. Así pues, en la nueva variable
(tipología) estarán presentes los que no confían (0-4) y los que confían (6-10).
La dimensión 2 “visualización de programas políticos” se construye mediante un único

indicador. En este caso el marco teórico sí que indica que únicamente considera a los
que ven programas políticos en la televisión más de 1,5h diarias, como “visualizadores
de programas políticos”. Una vez realizado el proceso de construcción del índice de
confianza política y su reagrupación en “confían” y “no confían”, se ha realizado la

agrupación de aquellos que ven programas políticos más de 1,5h diarias (que pasan a ser
los visualizadores de programas políticos) y los que no.
Ya estructurada la información de esta forma, se debe proceder a “construir” una tabla

de cruces de las diferentes categorías de respuesta de las variables que componen la
tipología. En este caso confianza en la política y visualización de programas políticos.
Tabla 12. Cruce de las diferentes categorías de respuesta.
Confianza en la

política
Confía No confía
(2) (1)
Visualización de Si (2) 1 2
programas políticos
No (1) 3 4
A partir de esta tabla se puede reflejar las características que deben cumplir cada una de
las categorías de respuesta de la tipología (al ser un cruce de dos variables con dos
categorías de respuesta, se podría hacer de forma automática. No obstante, cuando se
Autor: Bernal, D.
trata de una tipología construida con tres variables y/o variables de más de dos
categorías de respuesta, este proceso no es tan intuitivo y la tabla ayuda a ordenar la
información)
Por tanto, la nueva variable se compondrá de 4 categorías de respuesta que cumplirán

las siguientes características.

1. Ven programas políticos y confían en la política.
2. Ven programas políticos y no confían en la política
3. No ven programas políticos y confían en la política.
4. No ven programas políticos y no confían en la política
Una vez se ha realizado este proceso previo e imprescindible se procede a ejecutarlo

mediante el SPSS.

Transformar >> Calcular Variable >> Aparece la interface de la imagen 10 >> En el
recuadro de variable objetivo señalas un nombre (tipología por ejemplo) >> en Expresión
Numérica debes poner el número de tu primera categoría de respuesta (es decir “1”) >>
clicas al botón “si” (condición de selección de casos opcional) >> se abre la interface de la
imagen 11 >> seleccionas el botón “incluir si el caso satisface la condición” >> Una vez
llegados a este punto se debe proceder a indicar cuales condiciones deben cumplir los casos
que irán en la categoría de respuesta 1 de la tipología. Recordemos: ver programas políticos

(2) y confianza en la política (2). Es decir, los individuos que cumplen la condición de ver
programas políticos (categoría de respuesta 2 de esa variable) y confiar en la política
(categoría de respuesta 2 de esa variable) simultáneamente (interface imagen 11). >>
continuar. El proceso se vuelve a repetir siguiendo los mismos pasos pero esta vez para las
condiciones de las categorías de respuesta 2. Ver programas políticos (2) y no confiar en la
política (1) y así sucesivamente hasta completar todas las categorías de respuesta de la
tipología. El nombre de la variable objetivo siempre debe ser la misma.
Autor: Bernal, D.
Imagen 10. Interface calcular variable.

Imagen 11. Interface botón “si…”

Una vez se ha realizado el proceso se expone el resultado de la tabla de contingencia de
la nueva variable tipológica para observar sus resultados
Imagen 12. Tipologia.
Válido Ven programas políticos y

40 2.1 2.6 2.6
Autor: Bernal, D.
confían en la política
Ven programas políticos y no

195 10.1 12.9 15.5
No ven programas políticos y

161 8.4 10.6 26.2
confían en la política.
No ven programas políticos y no

1117 58.0 73.8 100.0
Total 1513 78.6 100.0
Total 1925 100.0

SPSS - Manual - Basico. Universidad de Barcelona PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

SPSS - Manual - Basico. Universidad de Barcelona PDF

Cargado por

Copyright:

Formatos disponibles

Manual de SPSS.

De un estudiante para los estudiantes

Capítulo 1, 2 y 3 Manual SPSS. De un estudiante para los estudiantes

Análisis descriptivo univariado

Operaciones básicas con matrices

Operaciones básicas con variables

Observatorio del Estudiante 1

Becario del Observatorio del

Manual de SPSS. De un estudiante para los estudiantes

Edición Observatorio del Estudiante

Fecha edición Enero 2017

Manual SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 2

0. Elementos previos al análisis ……………………………………………...5

Manual de SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 3

Manual de SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 4

Vista de datos vista de variables.

La interface del SPSS se compone fundamentalmente de dos pestañas clave: vista de

Manual de SPSS. De un estudiante para los estudiantes

 El nombre por el cual se identifica la variable

Manual SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 5

Manual de SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 6

Manual de SPSS. De un estudiante para los estudiantes

Válido Yes 127 6.6 6.6 6.6

No 1791 93.0 93.4 100.0

Total 1918 99.6 100.0

Perdidos Don't know 7 .4

Total 1925 100.0

Manual SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 7

Manual de SPSS. De un estudiante para los estudiantes

El procedimiento de Frecuencias permite, como hemos visto, obtener distribuciones de

• Construir algunos diagramas básicos (gráficos de barras, de sectores e histogramas).

Manual SPSS. De un estudiante para los estudiantes

1.1 Naturaleza de las variables y estadísticos.

Los estadísticos que se han de seleccionar en cada caso dependerán de la propia

Naturaleza de las variables

Observatorio del Estudiante 8

Manual de SPSS. De un estudiante para los estudiantes

Manual SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 9

Tabla 2. Main activity, last 7 days.

Manual de SPSS. De un estudiante para los estudiantes

Válido 1 Paid work 877 45.6 45.6 45.6

2 Education 195 10.1 10.1 55.8

3 Unemployed, looking for job 167 8.7 8.7 64.5

4 Unemployed, not looking for job 62 3.2 3.2 67.7

5 Permanently sick or disabled 51 2.6 2.7 70.3

6 Retired 326 16.9 17.0 87.3

Total 1922 99.8 100.0

Manual SPSS. De un estudiante para los estudiantes

Total 1925 100.0

Observatorio del Estudiante 10

Manual de SPSS. De un estudiante para los estudiantes

A la hora de interpretar (describir) una variable cualitativa no se debe caer en el error de

Manual SPSS. De un estudiante para los estudiantes

Observatorio del Estudiante 11

Tabla 4. Subjetive general health.

Manual de SPSS. De un estudiante para los estudiantes